8개월 동안 4건의 주요 사건이 발생했습니다. 공통된 패턴은 소프트웨어 공급망이 새로운 적을 얻은 것이 아니라 새로운 무기를 얻었다는 것입니다. 2025년 9월부터 2026년 5월 사이에 자가 복제 웜, 국가 차원의 공격, 모방 캠페인, 그리고 탈취된 AI 모델이 각각 공급망에 침투했습니다. pipeline수백만 명의 개발자가 매일 신뢰하는 도구입니다. 이것이 바로 새로운 형태의 사이버 보안 위협입니다. 더 빠르고, 더 감지하기 어렵고, 개발팀이 코드를 배포하는 데 사용하는 바로 그 AI에 의해 점점 더 강력해지고 있습니다.
만약 여러분이 사이버 보안 위협에 대한 인식이 여전히 피싱 이메일과 패치가 적용되지 않은 서버로만 한정되어 있다면, 아래 데이터가 여러분의 생각을 바꿔줄 것입니다.
사이버 보안 위협의 새로운 형태
수년간 사이버 보안 위협은 계정 정보 유출, 서버 설정 오류, 소셜 엔지니어링 공격을 의미했습니다. 이러한 위험은 여전히 존재하며, 2022년에 확인된 데이터 유출 사고의 81%는 계정 정보 유출과 관련이 있었습니다. 하지만 이제 새로운 범주가 논의의 중심에 등장했습니다. 바로 AI 위협입니다. 개발팀은 이제 AI 코딩 도우미, 에이전트형 코파일럿 등에 의존하고 있습니다. 모델 컨텍스트 프로토콜(MCP) 소프트웨어 개발 속도를 높이기 위해 사용되는 서버들이 이제 모두 공격 대상이 되고 있습니다. 연구에 따르면 AI가 생성한 코드의 약 40%에 보안 취약점이 포함되어 있는 것으로 나타났습니다. 이는 AI가 약속하는 속도 향상에는 코드베이스에 직접 내재된 AI 보안 위험의 비례적인 증가가 수반된다는 것을 의미합니다.
8개월 동안 4건의 사건 발생: AI 위협은 어떻게 심화되었는가
인공지능 위협이 가속화되고 있다는 가장 명확한 증거는 예측이 아니라, 바로 그 현실입니다. 이미 발생한 일들의 타임라인:
- 2025년 9월, 샤이훌루드개발자들을 스스로 배포 메커니즘으로 만들어버리는 최초의 자가 전파형 npm 웜.
- 2026년 3월, 악시오스: 국가 주도 악성 소프트웨어가 매주 약 100억 건씩 다운로드되는 패키지 안에 숨겨져 있습니다.
- 2026년 4월, SAP npm동일한 벌레 무늬를 더 작은 크기로 반복하여 기법의 수준을 보여줍니다.
- 2026년 5월, 클로드 오푸스 → PromptMink: 자율 에이전트 내부에 악성 소프트웨어를 심기 위해 무기화된 대규모 언어 모델로, AI 자체가 공격 벡터 역할을 합니다.
각각의 공격은 이전 공격을 재활용하고 확장했습니다. 이것이 2026년 AI 위협의 핵심 특징입니다. 개발자들이 제품 출시를 돕는 자동화 기능이 공격자들의 확산에도 악용되기 때문에, AI 위협은 기존 사이버 보안 위협보다 훨씬 빠르게 증폭됩니다.
기존 도구로는 이러한 AI 위험을 감지할 수 없는 이유
기존 애플리케이션 보안 도구는 저장소까지만 감시할 뿐 모델이 무엇인지 알지 못합니다. 기존 엔드포인트 보안 도구는 운영 체제만 모니터링할 뿐 패키지, MCP 서버 또는 AI 비서를 이해하지 못합니다. 바로 이 두 가지 사이의 간극이 AI 관련 위험이 드러나지 않고 피해가 발생할 때까지 감지되지 않는 지점입니다.
두 가지 수치가 이러한 취약점을 구체적으로 보여줍니다. AI를 이용한 자격 증명 탈취는 2025년 4분기와 2026년 1분기 사이에 376% 증가했으며, 악성 MCP 브리지(CVE-2025-6514) 하나가 적발되기 전까지 43만 7천 번 다운로드되어 클라이언트 측에서 원격 코드 실행을 가능하게 했습니다. 공용 MCP 서버 역시 기본적으로 안전하지 않습니다. 5.5%는 도구 변조 취약점을, 43%는 명령 주입 취약점을 가지고 있어 개발자의 도구가 조직이 직면할 수 있는 가장 심각한 사이버 보안 위협 중 하나로 변질될 수 있습니다.
소프트웨어 공급망은 여전히 사이버 보안 위협의 가장 큰 원천입니다.
AI가 이 문제를 만들어낸 것은 아닙니다. 오히려 문제를 더욱 악화시켰을 뿐입니다. 소프트웨어 공급망은 이미 사이버 보안 위협에 가장 취약한 진입점이었으며, 관련 수치들이 이를 뒷받침합니다. 2019년 이후 77만 8,500개 이상의 악성 오픈소스 패키지가 발견되었는데, 이 수치는 단 1년 만에 156% 급증하여 51만 2,847개에 달했습니다. ENISA(영국 보안 및 안전국)에 따르면 공급망 공격의 60%는 공급업체에 대한 고객의 신뢰를 악용한 것이며, 일부 추산에 따르면 현재 소프트웨어 공급망은 약 48시간마다 공격을 받고 있습니다. 공급망 공격은 2019년에서 2022년 사이에 742% 증가했으며, 2025년까지 전체 기업의 45%가 피해를 입고 2031년에는 연간 피해액이 1,380억 달러에 이를 것으로 예상됩니다. 올해 소프트웨어 공급망 공격으로 인한 피해액은 이미 600억 달러로 추산됩니다.
동일한 의존성과 pipeline 이러한 고전적인 사이버 보안 위협을 야기했던 취약점들이 이제는 AI 관련 위험으로도 이어지고 있습니다. 손상된 패키지, 잘못 구성된 GitHub Actions 또는 고정 해제된 게시물 등이 그 예입니다. CI/CD 이 단계는 인간 개발자만큼이나 쉽게 AI 에이전트를 대상으로 지정할 수 있습니다.
코드베이스를 넘어선 더 광범위한 AI 보안 위험
모든 AI 위험이 코드 파일 안에만 존재하는 것은 아닙니다. AI 보안 위험은 AI 자산의 전체 수명 주기에 걸쳐 존재합니다. 여기에는 즉각적인 인젝션 및 시스템 즉각적인 정보 유출, 지나치게 관대한 AI 구성으로 인한 민감한 데이터 노출, 악성 벡터 및 임베딩, 문서 및 규칙 파일 내에 숨겨진 악성 명령, 안전하지 않은 MCP 구성 및 신뢰할 수 없는 서버, 취약하거나 무단으로 탈취된 AI 종속성, 그리고 AI 에이전트가 구성된 범위를 넘어 행동하는 과도한 권한 행사 등이 포함됩니다.
이러한 범주는 다음과 직접적으로 연결됩니다. OWASP LLM 지원자 대상 Top 10 밸리 에이전트 애플리케이션 부문 OWASP Top 10및 OWASP MCP Top 10이 세 가지 프레임워크는 업계 전반에서 AI 보안 위험에 대한 공통 용어로 빠르게 자리 잡고 있습니다.
사이버 보안 위협 노출 감소: 실제로 효과적인 방법은 무엇일까요?
데이터에 따르면 사이버 보안 위협에 효과적으로 대응하는 두 가지 요소가 있습니다. 기본 위생 및 조기 발견. 사이버 공격의 98%는 기본적인 보안 수칙을 준수하면 예방할 수 있지만, 데이터 유출의 34%는 여전히 내부자 위협에서 비롯되며, 애플리케이션의 60%는 여전히 자체 개발 코드에 취약점을 가지고 있습니다. GitHub 자체도 예외는 아닙니다. GitHub의 개념 증명(PoC) 익스플로잇 저장소 중 1.9%는 악의적인 목적으로 제작되었으며, 연구자들이 신뢰하는 사용자에게 데이터를 유출하거나 악성코드를 배포하도록 설계되었습니다.
특히 AI 관련 위험에 대해서는 개발 초기 단계에서 해결책을 마련해야 합니다.
- IDE 내에서 유효성을 검사하세요. AI가 생성한 코드가 실제 배포 환경에 도달하기 전에 불안정한 패턴을 포착합니다. pipeline 이는 새로운 AI 보안 위험의 가장 큰 단일 원인을 차단합니다.
- 악성코드 서명이 생성되기 전에 이를 탐지합니다. 평판 기반 도구는 본질적으로 제로데이 패키지를 탐지하지 못하는데, 이것이 바로 Shai-Hulud, axios, 그리고 SAP npm이 악용한 허점입니다.
- 모든 AI 자산을 목록화하세요. 팀에서 실행 중인지조차 모르는 모델, 데이터셋, 에이전트 및 MCP 서버는 해당 시스템을 통해 관리되거나 공격받을 수 없습니다.
Xygeni는 이러한 사이버 보안 위협에 어떻게 대응할까요?
제니 DevAI는 AI 위협을 애플리케이션 보안의 핵심 요소로 간주하며, 사후에 추가되는 별도의 문제로 취급하지 않습니다. DevAI는 개발자 IDE 내에서 실시간 보안 검증을 수행하여 AI가 생성한 코드에서 안전하지 않은 패턴을 배포 전에 표시합니다. 악성코드 조기경보(MEW) cAI Security는 NPM, PyPI 및 Maven을 지속적으로 스캔하여 서명이 존재하기 전에 악성 패키지를 탐지하고, Shai-Hulud, axios 및 SAP npm의 배후에 있는 정확한 공급망 패턴을 파악합니다. AI Security는 모든 AI 자산을 탐지합니다. SDLCShield는 위의 OWASP 프레임워크를 기준으로 점수를 매기고, 안전하지 않은 모델, 에이전트 또는 MCP 서버가 실행되기 전에 엔드포인트에서 정책을 적용합니다.
2026년에 AI 위험을 효과적으로 관리하는 조직은 가장 많은 도구를 운영하는 조직이 아닙니다. 그들은 운영하는 모든 AI 자산을 파악하고, 안전하지 않은 동작이 실행되기 전에 차단하며, 이러한 정보를 이미 보유한 도구에 적용할 수 있는 조직입니다.
FAQ
2026년 가장 큰 사이버 보안 위협은 무엇일까요?
공급망 공격은 규모와 비용 면에서 여전히 가장 큰 비중을 차지하며, 올해만 해도 약 60억 달러의 피해가 발생하고 있으며, 약 48시간마다 한 건씩 공격이 발생하고 있습니다. 이와 더불어 AI 위협도 빠르게 성장하는 분야로 떠오르고 있습니다. AI를 표적으로 한 자격 증명 탈취는 단 분기 만에 376% 증가했으며, Shai-Hulud, axios, PromptMink와 같은 사례는 공격자들이 AI를 공격 대상이자 공격 수단으로 적극적으로 활용하고 있음을 보여줍니다.
인공지능이 생성한 코드는 보안 위험 요소일까요?
네. 연구에 따르면 AI가 생성한 코드의 약 40%에 보안 취약점이 포함되어 있습니다. 따라서 코드 병합 전에 개발자 IDE 내에서 실시간으로 검증하는 것이 AI 보안 위험을 원천적으로 줄이는 가장 효과적인 방법 중 하나입니다.
MEW는 무엇이며, 인공지능 위협에 어떻게 대응합니까?
MEW(Malware Early Warning)는 Xygeni의 NPM, PyPI 및 Maven용 지속적인 스캔 시스템입니다. 이 시스템은 시그니처가 생성되기 전에 악성 패키지를 탐지하도록 설계되었습니다. 이는 평판 기반 도구가 이미 식별된 것만 탐지하여 최근 AI 위협 및 공급망 웜 뒤에 숨겨진 정확한 제로데이 패턴을 놓치는 것과는 대조적입니다.
MCP 서버는 실제로 AI 위험의 원인이 될 수 있을까요?
네. 공개 MCP 서버는 실제 환경에서 측정 가능한 AI 보안 위험을 보여줍니다. 5.5%는 툴 포이즌팅 취약점을, 43%는 명령어 주입 취약점을 가지고 있으며, 한 손상된 MCP 브리지만 해도 탐지되기 전까지 437,000번 다운로드되었습니다.
